使用ES默认的打分规则（TF-IDF），搜索“葡萄糖”时，搜索结果中“纯净葡萄糖(食用葡萄糖)”比全匹配的“葡萄糖”的得分还要高。因为在前者中“葡萄糖”出现过两次。
但是我更想要全匹配的或匹配度更高的，而不关心出现的次数。对我来说，相比“纯净葡萄糖(食用葡萄糖)”，我希望“葡萄糖液”得分更好。因为“葡萄糖液”中关键字占了3/4，即使前者出现两次“葡萄糖”。
我该怎么修改？是修改TF-IDF配置，或者修改打分算法，还是自定义打分规则？
但是我更想要全匹配的或匹配度更高的，而不关心出现的次数。对我来说，相比“纯净葡萄糖(食用葡萄糖)”，我希望“葡萄糖液”得分更好。因为“葡萄糖液”中关键字占了3/4，即使前者出现两次“葡萄糖”。
我该怎么修改？是修改TF-IDF配置，或者修改打分算法，还是自定义打分规则？
6 个回复
rochy - rochy_he
赞同来自: sishuidliunian
将参数 index_options 设置为 docs 可以禁用词频统计及词频位置，这个映射的字段不会计算词的出现次数，对于短语或近似查询也不可用。要求精确查询的 not_analyzed 字符串字段会默认使用该设置。
具体可参考：https://blog.csdn.net/paditang ... 98830
core_wzw - 某AILab搜索技术负责人
赞同来自: U5years
纠正下楼主一个错误，现在ES默认公式是BM25，并非早期版本默认的TFIDF变种。
BM25相对TFIDF优势就是来解决楼主提到的问题，正确的解决方式是修改k1和b值：
1. b用来控制字段长度fieldLength对score的惩罚程度。b=0，则fieldLength对score无影响，b=1，则fieldLength对score达到完全的惩罚作用。ES 中默认 b=0.75，你的场景可调整为b=0.1。顺便建议你查询分词用smart模式，索引分词用max模式。
2. 而k1用来控制公式对词项频率 tf 的敏感程度，k1越小，匹配到token的数目越多分数变化也不会那么大，ES中默认 k1=1.2，根据你的需求可调整为0.3。
sishuidliunian - 怎么能说是菜鸟呢，明明是弱鸡
赞同来自:
如上面两个图所示，这两个图片都是在同一次查询中的结果，并且都是在同一个字段，为什么他们计算出的doc不一样？
图1中，doc=10515、docFreq=165、docCount=29862； 图2中，doc=15542、docFreq=176、docCount=29972。他们各自的含义是什么，统计的基础是什么？
另外关于字段长度计算的，在图1中，该文档的字段值为“葡萄糖山药鸡内金固体饮料”，但是fieldLength=7；图2中该文档的字段值为“纯净葡萄糖(食用葡萄糖)”，但filedLength=8; 并且avgFieldLength也不相等。fieldLength不是值得字段值的长度吗？
感谢
Merrizee
赞同来自:
U5years
赞同来自:
k1和b值都有自己的取值范围和最佳的范围（官方文档）：
b应该在[0,1]之间，理想的范围应该是[0.3, 0.9];
k1应该在[0,3]之间，当然可以更高，理想的范围应该是[0.5,2.0]
如果长文档的话，b值设置的低一些，主题比较分散的文档，k1设置得高一些。
另外，调整k1和b并不是见效最快的方式，用其他的方式，换个分词器，phrase matches等方式的效果会更好。
kamzhuyuqing
赞同来自: